王延倉(cāng)， 安 健， 顧曉鶴， 金永濤， 宋玉彬， 趙子輝， 胡湛晗，陳 曦

(1.北華航天工業(yè)學(xué)院，河北廊坊 065000;2.河北省航天遙感信息處理與應(yīng)用協(xié)同創(chuàng)新中心，河北廊坊 065000；3.電子科技大學(xué)光電信息學(xué)院，四川成都 611731;4.北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097;5.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100097)

?

利用模擬寬波段數(shù)據(jù)定量反演關(guān)中平原土壤有機(jī)質(zhì)含量研究

王延倉(cāng)1，2， 安 健3， 顧曉鶴4，5*， 金永濤1，2， 宋玉彬1，2， 趙子輝1，2， 胡湛晗1，2，陳 曦1，2

(1.北華航天工業(yè)學(xué)院，河北廊坊 065000;2.河北省航天遙感信息處理與應(yīng)用協(xié)同創(chuàng)新中心，河北廊坊 065000；3.電子科技大學(xué)光電信息學(xué)院，四川成都 611731;4.北京農(nóng)業(yè)信息技術(shù)研究中心，北京 100097;5.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100097)

摘要[目的]以陜西楊凌示范區(qū)耕層土壤為對(duì)象，通過采集、測(cè)定耕層土壤的有機(jī)質(zhì)含量，并結(jié)合野外相應(yīng)高光譜數(shù)據(jù)和光譜響應(yīng)函數(shù)，利用模擬寬波段數(shù)據(jù)估測(cè)土壤有機(jī)質(zhì)含量。[方法]通過分析土壤有機(jī)質(zhì)含量與光譜間的內(nèi)在關(guān)系，篩選敏感波段，構(gòu)建估測(cè)土壤有機(jī)質(zhì)含量模型；以寬波段波段響應(yīng)函數(shù)、土壤高光譜數(shù)據(jù)為基礎(chǔ)，通過模擬寬波段數(shù)據(jù)，構(gòu)建估測(cè)土壤有機(jī)質(zhì)含量模型；通過高光譜與模擬寬波段數(shù)據(jù)的對(duì)比分析，研究基于寬波段遙感數(shù)據(jù)定量估測(cè)土壤有機(jī)質(zhì)含量的可行性。[結(jié)果]基于寬波段數(shù)據(jù)估測(cè)土壤有機(jī)質(zhì)的精度相對(duì)較高。[結(jié)論]利用寬波段數(shù)據(jù)估測(cè)土壤土壤有機(jī)質(zhì)含量具有可行性，2%并非利用光譜數(shù)據(jù)估測(cè)土壤有機(jī)質(zhì)含量的下限。

關(guān)鍵詞有機(jī)質(zhì)；寬波段；關(guān)中平原；偏最小二乘回歸法

土壤是農(nóng)業(yè)生產(chǎn)順利開展的根本物質(zhì)保障，主要由有機(jī)質(zhì)、礦物質(zhì)、空氣、水分等構(gòu)成。土壤有機(jī)質(zhì)含量(Soil Organic Matter，SOM)在改善土壤理化性質(zhì)、保護(hù)環(huán)境、促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展方面有著重要作用[1]。遙感作為一種新型無損、快速、準(zhǔn)確、客觀監(jiān)測(cè)手段，為土壤有機(jī)質(zhì)含量大尺度動(dòng)態(tài)監(jiān)測(cè)提供了新的思路。與傳統(tǒng)實(shí)地調(diào)查相比，遙感技術(shù)可規(guī)避傳統(tǒng)方法中費(fèi)時(shí)、費(fèi)力等不足，在土壤有機(jī)質(zhì)含量監(jiān)測(cè)中擁有廣闊的應(yīng)用前景。因此，研究遙感技術(shù)監(jiān)測(cè)土壤有機(jī)質(zhì)含量的方法對(duì)土壤養(yǎng)分空間分布制圖、精準(zhǔn)農(nóng)業(yè)、農(nóng)業(yè)可持續(xù)發(fā)展、及環(huán)境保護(hù)等具有重要現(xiàn)實(shí)與理論意義。

近年來，國(guó)內(nèi)外學(xué)者針對(duì)遙感在土壤監(jiān)測(cè)中的應(yīng)用研究取得了一定的成果：土壤有機(jī)質(zhì)的光譜響應(yīng)區(qū)域集中在可見光～近紅外波段(400～1 000 nm)[2-4]，利用反射率的一階微分、對(duì)數(shù)一階微分變換[5]、弓曲差[6]、連續(xù)小波變換[7]、離散小波變換[8]等邊換方法是篩選有機(jī)質(zhì)敏感波段的有效方法；采用神經(jīng)網(wǎng)絡(luò)[9]、偏最小二乘法[10]、主成分分析法[11]、支持向量機(jī)法[12]等算法估測(cè)SOM均取得較高的估測(cè)精度；Toure等[13]利用航空高光數(shù)據(jù)對(duì)比利時(shí)南部農(nóng)業(yè)區(qū)的耕地養(yǎng)分進(jìn)行監(jiān)測(cè)并取得滿意效果。Frazier等[14]應(yīng)用TM數(shù)據(jù)監(jiān)測(cè)華盛頓東部地區(qū)裸露古土壤，結(jié)果表明：與寬波段影像數(shù)據(jù)相比，非成像高光譜遙感數(shù)據(jù)在SOM估測(cè)研究中應(yīng)用較多且估測(cè)精度較高。

國(guó)內(nèi)外學(xué)者在利用遙感技術(shù)定量反演SOM領(lǐng)域投入較多資源，也取得了一定成果，但存在研究不平衡問題：針對(duì)SOM較高的土壤(如東北黑土)研究較多，而在SOM較低的土壤研究較少；利用地面高光譜數(shù)據(jù)估測(cè)SOM的研究較多，而基于寬波段數(shù)據(jù)的研究較少。筆者以陜西關(guān)中平原土壤為研究對(duì)象，探索寬波段遙感在定量反演SOM中的可行性，為后期研究提供一定的技術(shù)支撐。

1材料與方法

1.1土壤樣本采集、處理與分析以楊凌示范區(qū)為實(shí)驗(yàn)區(qū)，區(qū)內(nèi)輪作模式為小麥/玉米(一年兩熟制)，采集實(shí)驗(yàn)區(qū)內(nèi)耕層土壤樣品，樣點(diǎn)均勻分布于實(shí)驗(yàn)區(qū)內(nèi)，其空間分布情況見圖1。土樣采用5點(diǎn)混合法開展，采集耕層0至20 cm的土壤。完成土樣采集，置于陰涼、干燥、通風(fēng)的環(huán)境內(nèi)，自然風(fēng)干后，將土壤進(jìn)行研磨、過篩(60目)處理，并取足夠樣本用于測(cè)定土壤有機(jī)質(zhì)含量。利用重鉻酸鉀容量法測(cè)量土樣有機(jī)質(zhì)含量，樣品數(shù)為30個(gè)，樣品有機(jī)質(zhì)含量的最大值為3.19%,最小值為1.29%,平均值為1.85%。

圖1　陜西楊凌示范區(qū)土壤樣點(diǎn)空間分布Fig.1　Spatial distribution of soil samples in Shaanxi Yangling demonstration area

1.2土壤樣本高光譜測(cè)量采用美國(guó)Analytical Spectral Device(ASD)公司的產(chǎn)品——便攜式地物波譜儀采集土壤光譜數(shù)據(jù)，波譜范圍為350～2 500 nm。采集土壤光譜時(shí)，地物波譜儀在350～1 000 nm和1 000～2 500 mm的初始光譜分辨率分別為1.4 nm和2 nm，輸出光譜為重采樣成1 nm的光譜數(shù)據(jù)。嚴(yán)格依照采集地物光譜的規(guī)范進(jìn)行土壤光譜的采集。為確保土壤光譜數(shù)據(jù)具有較高的信噪比，選擇晴朗無云(或少云)天氣下開展，觀測(cè)時(shí)間為上午10時(shí)～下午3時(shí)。光譜測(cè)量前，先將光譜儀進(jìn)行預(yù)熱，其次利用參考白板對(duì)光譜儀優(yōu)化，同時(shí)采集參考白板的光譜數(shù)據(jù)，最后采集自然表面的土壤光譜數(shù)據(jù)。采集的初始光譜數(shù)據(jù)位輻射亮度，而非反射率，土壤的光譜數(shù)據(jù)為土壤輻射亮度與參考白板輻射亮度之比。

1.3光譜數(shù)處理

1.3.1光譜數(shù)據(jù)預(yù)處理。受外界風(fēng)、氣溶膠、水分等不可控因素與ASD地物光譜儀器自身精度的制約，致使部分與土壤無關(guān)的噪聲存在于光譜數(shù)據(jù)內(nèi)，特別是1 390和1 900 nm附近受大氣水分的影響產(chǎn)生大量噪聲，土壤光譜數(shù)據(jù)末端也存在大量噪聲，故刪除1 390、1 900 nm附近及末端光譜數(shù)據(jù)，并利用徐永明等[15]采用的低通濾波器——海明窗對(duì)土壤光譜進(jìn)行平滑處理，旨在提高土壤光譜的信噪比，削弱噪聲產(chǎn)生的負(fù)面影響。

多源衛(wèi)星遙感載荷在可見光～近紅外波段覆蓋范圍存在不同程度的重疊和差異，這為研究寬波段數(shù)據(jù)在SOM監(jiān)測(cè)中的協(xié)同提供了條件。該研究利用多源衛(wèi)星遙感載荷的光譜響應(yīng)函數(shù)與野外高光譜數(shù)據(jù)進(jìn)行模擬分析。利用多源衛(wèi)星遙感載荷的波段響應(yīng)函數(shù)見圖3，將處理后的光譜數(shù)據(jù)重采樣至可見光～近紅外處，其計(jì)算公式為：

(1)

式中,Ri為衛(wèi)星遙感載荷i波段反射率;φi(λ)為衛(wèi)星遙感載荷的i波段在波長(zhǎng)為λ處的響應(yīng)函數(shù);r(λ)為土壤在波長(zhǎng)為λ處的反射率。

圖2　衛(wèi)星遙感載荷的波段響應(yīng)函數(shù)Fig.2　Wave band response function of satellite remote sensing load

1.4構(gòu)建模型與精度檢驗(yàn)

1.4.1偏最小二乘模型。偏最小二乘回歸法(Partial Least Squares Regression，PLSR)是對(duì)普通最小二乘的一種改進(jìn)，融合了多元線性回歸法、典型相關(guān)分析法、主成分分析法的功能于一身，能彌補(bǔ)最小二乘的一些缺點(diǎn)。PLSR主要用于解決構(gòu)建多因變量與多自變量的模型，尤其是針對(duì)具有高度線性相關(guān)的各變量時(shí)更有效，其可有效地克服多變量間的共線性對(duì)于建模的影響。

1.4.2模型精度檢驗(yàn)。該研究采用PLSR構(gòu)建預(yù)測(cè)土壤有機(jī)質(zhì)含量的模型，將土樣以2∶1比例隨機(jī)分為2組，其中以20個(gè)土樣數(shù)據(jù)構(gòu)建模型，其余用于驗(yàn)證模型的估測(cè)精度。模型精度采用均方根誤差(RMSE)和預(yù)測(cè)值與實(shí)測(cè)值的相關(guān)系數(shù)R進(jìn)行綜合評(píng)價(jià)，其中RMSE可計(jì)算公式為：

(1)

2結(jié)果與分析

2.1土壤的光譜特性土壤的野外高光譜曲線見圖3。由圖2可知，各土壤光譜曲線的整體形態(tài)具有較高的相似度，且曲線的整體變化相對(duì)平緩。在350～1 350 nm范圍內(nèi)，土壤反射率隨波長(zhǎng)而不斷增加，但幅度逐漸減弱，在1 390和1 900 nm附近具有較強(qiáng)的水分吸收帶；在近紅外范圍內(nèi)，土壤光譜具有較高的反射率，且光譜曲線幾乎平行。雖然土壤

光譜曲線共有一些特征，但各光譜曲線間仍存在一定差異；同一波長(zhǎng)處，不同樣點(diǎn)的光譜反射率不同。

圖3　土壤野外光譜曲線Fig.3　Soil field spectrum curve

2.2建模分析

2.2.1光譜反射率建模?；谕寥栏吖庾V反射率及其變換構(gòu)建估測(cè)SOM的模型結(jié)果見表2，其部分高光譜變換模型的散點(diǎn)圖見圖4。對(duì)表2中各模型進(jìn)行對(duì)比分析可知，較原始土壤反射率，基于各變換形式的模型估測(cè)精度均有不同程度的提升，這表明光譜變換技術(shù)能有效提升估測(cè)SOM的精度；對(duì)數(shù)的微分變換對(duì)SOM的估測(cè)精度最佳，其R=0.650，RMSE=0.218；對(duì)數(shù)的微分變換既可有效擴(kuò)大地物光譜反射率在可見光處的差異，又可抑制低頻噪聲的負(fù)面影響，同時(shí)凸顯光譜信息中的有效弱信息。

表2　光譜變換技術(shù)與土壤有機(jī)質(zhì)含量的偏最小二乘回歸模型結(jié)果

注：表中模型均達(dá)到了0.001的顯著水平。

Note: Models in the table were all at significant level 0.01.

2.2.2基于重采樣技術(shù)建模。高光譜遙感技術(shù)憑其連續(xù)且較高的光譜反射率，在定量反演地物特性及參數(shù)時(shí)具有較大優(yōu)勢(shì)。但土壤光譜曲線變化整體平緩，無決定性光譜特征，尤其是東北黑土，故在利用高光譜數(shù)據(jù)定量反演SOM時(shí)，存在一定的信息冗余問題。該研究基于重采樣技術(shù)將土壤光譜采樣至5 nm、10 nm、…、100 nm，旨在研究光譜分辨率對(duì)SOM估測(cè)的影響。

基于不同波段寬度的估測(cè)SOM的模型見表3。由表3可知，基于寬波段數(shù)據(jù)的SOM估測(cè)精度均高于初始土壤光譜，這表明，極高的光譜分辨率不一定適用于SOM的估測(cè)，適度降低土壤光譜分辨率有助于提升估測(cè)SOM的精度；基于寬波段數(shù)據(jù)構(gòu)建的模型穩(wěn)定性高，其較小的估測(cè)精度與建模精度差異，這是由于重采樣技術(shù)可有效削弱噪聲的影像，提升光譜信噪比；5 nm為估測(cè)SOM的最佳光譜分辨率，其構(gòu)建模型的R=0.650，RMSE=0.316。

將寬波段光譜數(shù)據(jù)與SOM開展相關(guān)性分析，提取敏感波段，并構(gòu)建預(yù)測(cè)SOM的模型(表4)。構(gòu)建的模型可分為2類：?jiǎn)我荒Ｐ?由模擬同一傳感器的寬波段數(shù)據(jù)構(gòu)建)和混合模型(由模擬不同傳感器的寬波段數(shù)據(jù)構(gòu)建)。寬波段數(shù)據(jù)構(gòu)建的SOM估測(cè)模型精度與高光譜模型相差較小，其原因?yàn)榕c高光譜相比，寬波段數(shù)據(jù)內(nèi)的部分微弱信息丟失，但寬波段數(shù)據(jù)又是土壤在相應(yīng)波段范圍的光譜響應(yīng)特征的集中體現(xiàn)；與單一模型相比，混合模型的SOM預(yù)測(cè)精度較高，表明多源寬波段數(shù)據(jù)在SOM估測(cè)方面，具有良好的協(xié)同性；在混合模型中，基于ZY2B與Landsat8構(gòu)建的模型預(yù)測(cè)精度最高，其R=0.616，RMSE=0.338，散點(diǎn)圖見圖5。

將寬波段模型與各高光譜模型對(duì)比分析知：與高光譜數(shù)據(jù)相比，基于寬波段數(shù)據(jù)構(gòu)建模型的整體預(yù)測(cè)精度稍低，但寬波段數(shù)據(jù)已達(dá)到相對(duì)較高的精度，故寬波段數(shù)據(jù)在預(yù)測(cè)SOM方面具備較高的潛力，具備一定的估測(cè)條件；該研究采用SOM低于2%的土壤為研究對(duì)象，也取得了較高精度的估測(cè)結(jié)果。因此，2%并不是基于寬波段數(shù)據(jù)估測(cè)SOM的下限。

圖4　基于光譜變換建模的實(shí)測(cè)值與預(yù)測(cè)值散點(diǎn)圖Fig.4　Scatter plots of measured and predicted values based on spectral transformation modeling

光譜分辨率Spectralresolution∥nm特征波段Characteristicband∥nm模型Model建模ModelingRRMSE驗(yàn)證VerificationRRMSE1(原始)650,850y=3.385-0.033x650-0.024x8500.4010.3700.4560.3475367.5,1367.5y=3.222+0.286x637.5-0.080x1367.50.7090.3240.6500.316101685,2385y=3.848-0.177x1685+0.131x23850.6470.3510.5550.346201680,2280y=3.873-0.223x1680+0.170x22800.6140.3630.5260.341301595,2195y=3.791-0.216x1595+0.1648x21950.5870.3720.5180.304401595,2370y=3.929-0.179+x1570+0.127x23700.6270.3580.5340.338501525,2325y=3.906-0.171x1525+0.114x23250.6250.3590.5900.316601580,2240y=3.779-0.187x1580+0.135x22400.5990.3680.5820.305701750,2400y=4.029-0.225x1750+0.179x24000.6690.3420.6420.367801750,2390y=3.654-0.179x1750+0.139x23900.6090.3650.5750.342901655,2285y=3.884-0.216x1655+0.163x22850.6000.3680.5180.3371001600,2400y=3.805-0.179x1600+0.132x24000.5390.3740.5880.322

圖5　基于重采樣技術(shù)建模的實(shí)測(cè)值與估測(cè)值散點(diǎn)圖Fig.5　Scatter plots of measured and estimated values based on resampling technique

3結(jié)論

該研究以野外土壤高光譜數(shù)據(jù)為數(shù)據(jù)源，通過模擬ZY3、ZY2B、Landsat8、HJ-CCD傳感器的寬波段數(shù)據(jù)，開展基于寬波段數(shù)據(jù)的SOM估測(cè)的研究，并針對(duì)多源寬波段數(shù)據(jù)在SOM估測(cè)方面的協(xié)同性進(jìn)行研究。結(jié)果表明：①光譜變換技術(shù)是有效提升SOM估測(cè)精度的一種途徑，其中對(duì)數(shù)的微分變換是提高SOM估測(cè)精度的最佳變換形式；②重采樣技術(shù)是提高SOM估測(cè)精度的有效途徑，適度降低光譜分辨率即可提升光譜對(duì)SOM的估測(cè)精度，又可提高預(yù)測(cè)精度的穩(wěn)定性；5 nm是估測(cè)SOM的最佳分辨率；③ZY3、ZY2B對(duì)SOM的估測(cè)精度優(yōu)于Landsat8，且兩者間在估測(cè)SOM方面具有較高的同一性；④多源寬波段模擬數(shù)據(jù)在SOM估測(cè)方面具有一定的協(xié)同性，這可從混合模型的估測(cè)精度優(yōu)于單一模型進(jìn)行佐證；Landsat8與ZY2B間具有較好的協(xié)同性，其構(gòu)建的混合模型精度最高，其R=0.616，RMSE=0.338；⑤寬波段數(shù)據(jù)在估測(cè)SOM方面具有一定可行性，由于該研究以SOM低于2%的土壤為研究對(duì)象并取得了較高精度的估測(cè)結(jié)果，故2%并不是估測(cè)SOM的下限。

表4　寬波段模擬數(shù)據(jù)與土壤有機(jī)質(zhì)含量的偏最小二乘回歸模型結(jié)果

注：Bi_b中的i代表b寬波段的第i波段。

Note:iinBi_bstands for theiband ofbwide band.

圖6　不同寬波段混合模型的實(shí)測(cè)值與估測(cè)值的散點(diǎn)圖Fig.6　Scatter plots of the measured and estimated values of the mixed model in different wide band

參考文獻(xiàn)

[1] 趙明松, 張甘霖, 王德彩，等.徐淮黃泛平原土壤有機(jī)質(zhì)空間變異特征及主控因素分析[J].土壤學(xué)報(bào)，2013,50(1): 1-11.

[2] 劉煥軍, 張柏, 趙軍，等.黑土有機(jī)質(zhì)含量高光譜模型研究[J].土壤學(xué)報(bào)，2007,44(1): 27-32.

[3] 劉煒, 常慶瑞, 郭曼，等.土壤導(dǎo)數(shù)光譜小波去噪與有機(jī)質(zhì)吸收特征提取[J].光譜學(xué)與光譜分析，2011,31(1): 100-104.

[4] 劉煥軍, 張柏, 劉殿偉，等.基于反射率模擬模型的黑土有機(jī)質(zhì)含量估測(cè)[J].光譜學(xué)與光譜分析，2008,28(12): 2947-2950.

[5] 何挺, 王靜, 林宗堅(jiān)，等.土壤有機(jī)質(zhì)光譜特征研究[J].武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)，2006,31(11): 975-979.

[6] 徐彬彬, 戴昌達(dá).南疆土壤光譜反射特性與有機(jī)質(zhì)[J].科學(xué)通報(bào), 1980(6): 282-284.

[7] 廖欽洪, 顧曉鶴, 李存軍，等.基于連續(xù)小波變換的潮土有機(jī)質(zhì)含量高光譜估算[J].農(nóng)業(yè)工程學(xué)報(bào)，2012,28(23): 132-139.

[8] 王延倉(cāng), 楊貴軍,朱金山，等.基于小波變換與偏最小二乘耦合模型估測(cè)北方潮土有機(jī)質(zhì)含量[J].光譜學(xué)與光譜分析，2014,34(7): 1922-1926.

[9] 鄭立華, 李民贊, 潘孌，等.基于近紅外光譜技術(shù)的土壤參數(shù)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J].光譜學(xué)與光譜分析，2008, 28(5): 1160-1164.

[10] 王延倉(cāng), 顧曉鶴, 朱金山，等.利用反射光譜及模擬寬波段數(shù)據(jù)定量反演北方潮土有機(jī)質(zhì)含量[J].光譜學(xué)與光譜分析， 2014,34(1):201-206.

[11] 盧艷麗, 白由路, 楊俐蘋，等.基于主成分回歸分析的土壤有機(jī)質(zhì)高光譜預(yù)測(cè)與模型驗(yàn)證[J].植物營(yíng)養(yǎng)與肥料科學(xué)，2008, 14(6): 1076-1082.

[12] 鄭立華, 李民贊, 安曉飛，等.基于近紅外光譜和支持向量機(jī)的土壤參數(shù)預(yù)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2010,26(2): 81-87.

[13] TOURé S，TYCHON B.Estimation of surface soil organic matter by means of hyperspectral data analysis[R].2003: 26-32.

[14] FRAZIER B ，CHENG Y.Remote sensing of soils in the eastern Palouse region with landsat thematic mapper [J].Remote sensing of enviroment, 1989,28:317-325.

[15] 徐永明, 藺啟忠,王璐，等.基于高分辨率反射光譜的土壤營(yíng)養(yǎng)元素估算模型[J].土壤學(xué)報(bào), 2006, 43(5): 709-716.

基金項(xiàng)目國(guó)家科技支撐計(jì)劃項(xiàng)目(2012BAH29B01)；河北省航天遙感信息處理與應(yīng)用協(xié)同創(chuàng)新中心資助項(xiàng)目。

作者簡(jiǎn)介王延倉(cāng)(1986- )，男，河南南樂人，助教，碩士，從事農(nóng)業(yè)遙感研究。*通訊作者，副研究員，博士，從事農(nóng)業(yè)遙感研究。

收稿日期2016-03-16

中圖分類號(hào)S 127;TP 79

文獻(xiàn)標(biāo)識(shí)碼A

文章編號(hào)0517-6611(2016)14-240-05

The Quantitative Retrieval of Soil Organic Matter Content in Guanzhong Plain by Using Wide Band Data

WANG Yan-cang1,2, AN Jian3, GU Xiao-he4,5*et al

(1.North China Institute of Aerospace Engineering, Langfang, Hebei 065000; 2.Hebei Collaborative Innovation Center for Aerospace Remote Sensing Information Processing and Application, Langfang, Hebei 065000; 3.School of Optoelectronic Information,University of Electronic Science and Technology of China,Chengdu,Sichuan 611731;4.Beijing Research Center for Information Technology in Agriculture, Beijing 100097; 5.Key Laboratory of Information Technology in Agriculture, Ministry of Agriculture, Beijing 100097)

Abstract[Objective] With topsoil collected in Shanxi Yangling demonstration zone as the object, collecting soil samples and determining the organic matter content, and then combined with the corresponding field hyperspectral data and spectral response function, using wide band analog data, soil organic matter content was estimated.[Method] Through analysis of the intrinsic relationship between soil organic matter and spectrum, the sensitive bands were screened out, the model of estimating soil organic matter content was constructed; based on the wide band response function and soil hyperspectral data, through the simulation of wide band data to construct the model for estimating soil organic matter content; By comparing the hyperspectral data and simulated wide band, the feasibility of quantitative wide band remote sensing data for estimating soil organic matter content was studied.[Result] The results showed that the accuracy of soil organic matter was relatively high based on the wide band data.[Conclusion] Estimating soil organic matter content is feasible based on the wide band data, 2% is not the bottom line to estimate the soil organic matter content based on spectral data.

Key wordsOrganic matter; Wide band; Guanzhong Plain; Partial least squares regression method